【摘 要】
：
针对传统基于跟踪误差模型的轨迹跟踪控制器在复杂行驶环境下控制精度不高，鲁棒性差等问题，设计一种鲁棒模型预测轨迹跟踪控制策略。采用车辆凸多胞体动力学模型显式描述车辆动态特性，结合轨迹跟踪多目标约束设计鲁棒性目标函数，通过线性矩阵不等式优化方式求解状态反馈控制律；引入前馈控制消除稳态误差，提高跟踪精度。仿真表明：在不同行驶工况下，该控制器在保证车辆跟踪精度基础上可有效提高行驶稳定性，具有较强的鲁棒性。
论文部分内容阅读
针对传统基于跟踪误差模型的轨迹跟踪控制器在复杂行驶环境下控制精度不高，鲁棒性差等问题，设计一种鲁棒模型预测轨迹跟踪控制策略。采用车辆凸多胞体动力学模型显式描述车辆动态特性，结合轨迹跟踪多目标约束设计鲁棒性目标函数，通过线性矩阵不等式优化方式求解状态反馈控制律；引入前馈控制消除稳态误差，提高跟踪精度。仿真表明：在不同行驶工况下，该控制器在保证车辆跟踪精度基础上可有效提高行驶稳定性，具有较强的鲁棒性。
其他文献
采用水化学与氢氧稳定同位素技术，通过现场测试和室内分析，对乌尔逊河流域不同类型水体的水化学和氢氧同位素特征进行分析，探讨了水化学和氢氧同位素在水文过程的指示作用。结果表明：流域内河水的水化学类型以Na·Ca-HCO_(3)型为主，地下水以Na-HCO_(3)、Na-HCO_(3)·Cl为主。流域内河水的水岩相互作用要强于地下水，主要离子来源于硅酸岩、石膏及白云岩的溶解沉淀；岩盐、钠、钾长石的风化溶
针对无人机（Unmanned aerial vehicle，UAV）影像提取的同名点数量较少影响影像间位姿信息的计算，导致影像拼接错位、平差解算不严密甚至失败等问题。提出了一种联合对数极坐标描述与位置尺度距离的匹配方法。其基本过程为：首先，建立高斯多尺度影像集合进行特征点提取；再采用对数极坐标进行描述子构建，建立适合UAV影像特征的描述子；然后，通过位置和尺度约束的距离匹配函数进行特征匹配；最后，
为解决云制造服务资源组合优化过程中服务属性信息存在动态变化的问题，提出一种云制造下考虑双重多属性信息的服务资源组合优化方法，其中同时考虑非功能属性与历史评价属性。在非功能属性中，以总成本最低、总时间最少、平均合格率最大为决策目标；在历史评价属性中，以历史平均违约率最低、历史平均满意度最高为决策目标，建立多目标数学模型，运用改进的水循环算法求解模型。结果表明该方法能够有效解决云制造服务资源属性信息存
北斗三号卫星导航系统（BeiDou-3 navigation satellite system， BDS-3）在BDS-2基础上，设计实现了高速宽带星间链路网络，以期实现导航和通信的一体化建设，并为卫星自主定轨技术的实现积累宝贵的实测数据。首先利用星间链路数据建立分布式自主定轨模型；然后利用实测的BDS-3星间链路数据，分析了18颗中圆轨道（medium earth orbit， MEO）卫星间的
受限于区域监测站及地球静止轨道卫星（geostationary earth orbit，GEO）的静地特性，北斗卫星导航系统（BeiDou satellite navigation system，BDS）定轨精度较差，加入低轨卫星（low-earth orbit，LEO）星载数据可显著提升定轨精度。本文使用一种由24颗LEO卫星组成的小型化低轨卫星星座，仿真分析BDS-3全星座情况下导航卫星与低轨
针对无人机轨迹规划过程中不确定因素的特点，提出了一种利用多项式混沌展开（PCE），并高效获得基于人工势能法的模型最优参数的无人机轨迹规划方法。通过建立PCE代理模型，利用随机配置点法进行快速求解，规避了对已有的最优控制模型直接优化带来的计算资源不足的问题。通过Sobol灵敏度分析，减少不确定性参数在轨迹规划模型中的计算量。最后通过无人机轨迹规划案例，证明了方法的有效性，与经典的人工势能模型相比，增
在不降低导航精度的情况下，为减少导航过程中的参数估计时间，提高导航实时性，将原有的非线性滤波替换为半全局一致指数稳定的非线性观测器。另外，传统观测器使用范围受到假设条件的限制，所以在观测器建立的过程中，设计了一种参数投影关系，并加入到观测器中，使其保持半全局稳定的同时不受假设条件的约束，再加上其估计过程更加直接，从而非线性条件下的参数估计过程可以很快得到收敛。仿真结果表明，非线性观测器的计算量要比
社交媒体签到数据中蕴含大量的用户活动信息。理解社交媒体用户的活动和行为类型，对探索人类的移动性和行为模式等有着重要的研究意义。本文研究了针对新浪微博（一种非常流行的中文社交网络服务，简称“微博”）的用户活动分类方法，结合了图像表达和时空数据分类技术，实现对微博签到数据所代表活动行为的识别。首先，将新浪微博签到数据所代表的用户活动根据POI属性信息分为“餐饮”、“生活服务”、“校园”、“户外”、“娱
由于工业过程采集的数据中常包含大量的无标签样本，而有标签样本数量少且人工标记成本较高，因此，提出一种基于协方差矩阵的主动学习方法。该方法利用有标签样本建立高斯过程回归模型，并构建无标签样本之间的协方差矩阵，以协方差矩阵行列式的值作为评价指标。在挑选信息量较大的无标签样本的同时，衡量样本间的相似性，避免样本的冗余添加，最终在相同标记代价下提升模型预测精度。基于工业过程数据进行算法的应用仿真，验证了所
高效率的可伸缩视频编码（scalable high efficiency video coding， SHVC）具有很高的编码效率，但是其复杂的编码过程严重影响了它的广泛应用。对此，提出了一种SHVC帧内快速编码算法以降低编码复杂度。首先结合层间、空间和时间的相关性及其相关性程度预测可能的深度，排除可能性小的深度；然后对候选的编码深度采用层间预测模式进行编码，并采用Jarque-Bera方法判断残